AI untuk Urus Volatiliti Rantaian Bekalan 2025

Pada 2020–2022, banyak organisasi belajar satu perkara dengan cara yang mahal: automasi dan perisian perancangan membantu kita “survive” bila dunia jadi kelam-kabut. Tetapi pada hujung 2025, gangguan tak hilang—ia cuma bertukar bentuk. Volatiliti sekarang bukan semestinya “meletup” macam awal pandemik; ia macam api kecil yang tak padam-padam: inflasi yang menekan margin, permintaan yang lemah di sesetengah kategori, ketidaktentuan tarif dan sekatan, pematuhan kelestarian yang makin ketat, dan risiko siber yang memerlukan pemantauan 24/7.

Kebanyakan syarikat masih cuba mengurus semua ini dengan model rantaian bekalan yang linear dan top-down—arahan turun dari HQ, data dalaman jadi sumber utama, dan rakan logistik atau pembekal dilayan sebagai “penerima arahan”. Masalahnya, data paling penting hari ini banyak berada di luar organisasi: status kapasiti pembekal, masa menunggu pelabuhan, perubahan kos bahan mentah, prestasi penghantaran 3PL, malah signal permintaan daripada platform e-dagang dan marketplace.

Dalam siri AI dalam Logistik dan Rantaian Bekalan, saya pegang satu pendirian: diversifikasi sahaja tak cukup. Menambah pembekal, menambah laluan, menambah gudang—semua itu membantu, tapi tanpa AI untuk membaca signal lebih awal dan menyelaras tindak balas merentas rangkaian, anda hanya menambah kompleksiti… dan risiko.

Volatiliti “baharu”: lebih perlahan, lebih rumit, lebih kerap

Jawapan ringkasnya: volatiliti 2025 lebih sukar kerana ia berlaku serentak pada banyak lapisan—kos, pematuhan, geopolitik, operasi, dan keselamatan digital.

Dulu, ramai fokus pada satu krisis besar (contohnya kekurangan kontena atau penutupan kilang). Sekarang, anda perlu menghadam perubahan kecil tetapi berterusan:

• Inflasi & kos operasi: kos pengangkutan, tenaga, dan buruh tak stabil. Bila permintaan pula tak kuat, ruang untuk “pass-through” harga makin sempit.
• Tarif, sekatan, dan perubahan dasar perdagangan: perubahan ini memerlukan keterlihatan hujung-ke-hujung hingga ke SKU dan negara asal.
• Pematuhan kelestarian: audit pembekal, jejak karbon, dan bukti sumber yang bertanggungjawab makin jadi syarat, bukan pilihan.
• Keselamatan siber: sistem rantaian bekalan (ERP, WMS, TMS, EDI/API) saling bergantung. Satu kelemahan pada rakan niaga boleh merebak.

Volatiliti jenis ini mematikan organisasi yang terlalu bergantung pada “mesyuarat mingguan” dan spreadsheet. Anda perlukan sistem yang sentiasa hidup—always-on—yang boleh mengesan perubahan, menilai impak, dan mencadangkan tindakan.

Kenapa model perancangan top-down makin tak menjadi

Jawapannya: kerana keputusan rantaian bekalan moden bergantung pada data rangkaian, bukan data silo.

Model tradisional biasanya begini: pasukan perancangan buat ramalan, operasi ikut, pembelian cari pembekal, logistik cari pengangkut, dan semua itu disatukan melalui beberapa KPI. Bila berlaku gangguan, barulah “war room” diwujudkan.

Masalah utama model ini:

1. Data lambat dan tidak lengkap – signal sebenar (contohnya kelewatan pembekal tier-2 atau kesesakan pelabuhan) sampai terlalu lewat.
2. Keputusan tak selaras – pembelian mengoptimum kos, logistik mengoptimum masa, kewangan mengoptimum tunai. Akhirnya anda dapat keputusan yang “betul” di satu jabatan, tapi merosakkan jabatan lain.
3. Terlalu banyak pembolehubah – tarif berubah, sekatan berubah, permintaan berubah, kapasiti berubah. Manusia tak boleh menimbang semuanya dalam masa singkat.

Di sinilah AI masuk bukan sebagai aksesori, tetapi sebagai enjin koordinasi.

Satu prinsip yang saya suka: bila rantaian bekalan anda menjadi rangkaian, perancangan anda juga mesti menjadi rangkaian.

AI + data rangkaian: asas untuk keterlihatan dan tindakan masa nyata

Jawapan yang praktikal: AI paling berguna bila ia “diberi makan” data dalaman + data rakan niaga, kemudian hasilnya boleh terus memacu tindakan (bukan sekadar dashboard).

Artikel asal menekankan keperluan mengumpul data dalaman dan luaran, menyeragamkannya, dan berkongsi secara masa nyata dalam satu paparan hujung-ke-hujung. Itu tepat—dan ramai organisasi sebenarnya sudah ada sebahagian alatnya. Cabaran sebenar ialah menjadikannya boleh digunakan untuk keputusan harian.

AI untuk ramalan permintaan yang lebih “pintar” (bukan sekadar sejarah jualan)

Ramalan permintaan tradisional banyak bergantung pada data jualan lepas. AI membolehkan anda menggabungkan lebih banyak signal:

• promosi, harga, dan perubahan katalog
• data carian dan klik e-dagang
• cuaca/bermusim (contohnya puncak hujung tahun, Tahun Baharu Cina, Ramadan)
• lead time pembekal dan kekangan kapasiti

Untuk konteks Disember 2025: ramai peruncit dan pengeluar sedang mengurus baki musim hujung tahun sambil bersedia untuk pusingan permintaan awal 2026. AI membantu membezakan permintaan “sekali-sekala” (musiman) dan permintaan yang benar-benar berubah trend.

AI untuk pengoptimuman inventori di tengah kos yang naik turun

Jawapan yang tegas: inventori adalah insurans, tapi insurans yang mahal. AI membantu anda menentukan di mana inventori patut ditambah dan di mana patut dikurangkan.

Contoh aplikasi yang selalu memberi pulangan cepat:

• klasifikasi SKU dinamik (bukan ABC statik)
• cadangan safety stock berdasarkan volatiliti pembekal dan varians permintaan
• pengesanan “inventory at risk” (contohnya barang perlahan bergerak yang terperangkap di lokasi salah)

AI untuk orkestrasi logistik: dari “plan” kepada “re-plan”

Dalam operasi sebenar, rancangan hari ini jarang kekal sampai esok. AI boleh memacu:

• penjadualan semula penghantaran bila ada kelewatan pembekal
• pemilihan mod pengangkutan berdasarkan kos vs masa vs risiko
• pengoptimuman laluan (terutama last mile di kawasan bandar)

Poin penting: AI bukan menggantikan perancang; AI mengurangkan kerja “memadam api” yang berulang, supaya manusia fokus pada keputusan strategik.

Diversifikasi memang perlu—tapi AI yang buat ia berbaloi

Jawapan utamanya: lebih banyak sumber (pembekal, laluan, 3PL) hanya membantu jika anda boleh mengurusnya tanpa tenggelam.

Bila syarikat menambah pembekal alternatif, mereka sering terjebak dalam dua perangkap:

1. Kualiti dan prestasi tak seragam – pembekal baru mungkin lebih murah, tapi varians kualiti/masa hantar lebih tinggi.
2. Kerumitan meningkat – lebih banyak kontrak, lebih banyak EDI/API, lebih banyak pengecualian.

AI membantu menjadikan diversifikasi sebagai kelebihan operasi melalui:

• penilaian risiko pembekal secara berterusan (bukan audit tahunan)
• simulasi senario: “Jika tarif naik 10% pada negara X, SKU mana paling terjejas? Apa pilihan rerouting?”
• cadangan peruntukan pesanan merentas pembekal berdasarkan kapasiti semasa, prestasi OTIF, dan kos total

Kalau anda sedang membina rangkaian pembekal serantau (contohnya ASEAN) sambil mengekalkan beberapa sumber global, AI amat berguna untuk mengimbangkan kos dan kebolehpercayaan—tanpa bergantung pada intuisi semata-mata.

Platform modular & SCaaS: peluang besar, tetapi pilih dengan disiplin

Jawapan yang realistik: model langganan platform (sering digelar supply chain-as-a-service) boleh mempercepat integrasi, tetapi kejayaan bergantung pada reka bentuk data, tadbir urus, dan pemilihan rakan.

Trend semasa ialah platform modular yang memudahkan:

• pembersihan dan penyelarasan data
• onboarding rakan niaga dengan kebenaran yang jelas
• kolaborasi masa nyata dalam satu paparan hujung-ke-hujung

Namun, saya tegas tentang satu perkara: platform tanpa proses keputusan yang jelas hanya menghasilkan “dashboard yang cantik”.

Checklist ringkas sebelum anda komited pada platform orkestrasi

Gunakan ini sebagai penapis awal:

1. Kes penggunaan (use case) yang spesifik: contohnya “kurangkan backorder 20% dalam 6 bulan” atau “kurangkan kos ekspedisi kecemasan 15%”.
2. Data minimum yang wajib ada: pesanan, inventori, status penghantaran, kapasiti pembekal, lead time.
3. Pemilik keputusan: siapa yang berhak menekan butang “re-plan” bila AI cadangkan perubahan?
4. Metrik bersama: OTIF, kos total, paras servis, dan risiko—bukan KPI jabatan semata-mata.
5. Keselamatan & akses: model kebenaran data untuk pembekal/3PL, audit log, dan pemantauan anomali.

Soalan yang selalu ditanya pasukan operasi (dan jawapan terus terang)

“AI ni untuk syarikat besar saja ke?”

Tidak. Yang besar biasanya ada lebih banyak data dan bajet, tetapi organisasi sederhana boleh menang dengan fokus. Pilih 1–2 proses yang paling sakit (contohnya ramalan permintaan atau penjadualan semula logistik) dan bina dari situ.

“Kena tukar semua sistem dulu?”

Tak semestinya. Banyak projek AI rantaian bekalan bermula dengan menyambungkan ERP/WMS/TMS sedia ada ke lapisan analitik atau platform orkestrasi. Yang penting: data asas bersih dan definisi KPI konsisten.

“Macam mana nak pastikan AI tak ‘merepek’?”

Bina guardrails: had kos, had perubahan inventori, dan kelulusan manusia untuk tindakan berisiko tinggi. AI patut diberi kuasa secara berperingkat—mula sebagai cadangan, kemudian automasi separa.

Langkah seterusnya: jadikan AI ‘otot’ untuk daya tahan rantaian bekalan

Volatiliti rantaian bekalan pada 2025 menuntut dua perkara serentak: lebih banyak pilihan (diversifikasi) dan lebih banyak koordinasi (orkestrasi). Tanpa AI, pilihan yang bertambah hanya meningkatkan kekeliruan. Dengan AI, pilihan itu bertukar menjadi ruang gerak.

Jika anda sedang merancang 2026 sekarang, mulakan dengan soalan yang mudah tetapi tajam: proses mana yang paling kerap memaksa pasukan anda bekerja lebih masa—ramalan, inventori, atau logistik? Saya biasanya nampak jawapannya dalam 10 minit bila kita semak bilangan “shipment expedite”, kadar stockout, dan perubahan jadual yang berulang.

Kalau rantaian bekalan anda perlu kekal tangkas walaupun tarif berubah, permintaan turun naik, dan audit kelestarian makin ketat—AI dalam logistik dan rantaian bekalan bukan lagi projek “nanti-nanti”. Ia kerja asas operasi. Soalnya sekarang: adakah anda mahu AI sekadar membantu anda melihat masalah… atau membantu anda membuat keputusan sebelum masalah itu meletup?